基于改进A*算法的可行性路径搜索及优化

针对路径搜索和路径优化问题，提出了一种改进的A＊搜索算法。对估价函数予以加权处理，并引入“人工搜索标志”，避免重复搜索无效区域，能有效且快速地逃离障碍物陷阱，使得算法在未知环境中能有效准确地找到可行性路径，并对可行性路径进行了优化，得到最短路径。仿真实验证明了算法的有效性和适应性。     

航空发动机油液监测中磨粒参数识别和优化研究

针对航空发动机油液监测中存在的磨粒特征参数过多的问题,采用主成分分析法进行了参数优化,经实践证明,用该方法可较全面地综合评价参数的分类状况,从而降低了磨粒识别的难度。     

典型索类结构的应用及索力计算方法

索结构是一种张力结构,被广泛地应用在现代军事和生活领域中,为了便于了解这类结构,阐述了索的力学特性,并指出索体的构成,以及常用索体的材料和性能参数.并对索在舰载直升机、斜拉桥等设施上的使用情况作了一定的介绍,并对这几种情况下索力计算及索力优化的方法进行了综合介绍.     

停机位分配问题优化技术

停机位分配是一类规模较大的组合优化问题，也是民航机场生产调度的关键和薄弱环节。根据系统优化理论，考察了ASA问题的研究历程和发展趋势，论述了ASA优化问题研究的一般技术途径，并对其关键技术——建模技术和优化求解技术进行了较为深入的探讨。     

飞行器多学科设计优化中的灵敏度分析方法研究

近年来,在飞行器设计领域,多学科设计优化(MDO)方法得到了高度重视。灵敏度分析技术作为MDO的关键技术之一,被认为是处理飞行器MDO研究中四个复杂性问题的有力工具。本文对适用于飞行器MDO的灵敏度分析方法进行了系统研究。首先介绍了多种学科灵敏度分析方法,阐述了各种方法的原理,比较了各种方法的优缺点。在此基础上,进一步探讨了几种常用的系统灵敏度分析方法。最后,总结了各种灵敏度分析方法在飞行器MDO中应用的原则,并对发展适用性更广的广义灵敏度分析方法提出了建议。     

座舱透明件光学性能分析与外形优化

针对某型座舱透明件,提出一种合理的数学建模方式,并以此为基础,对透明件的角偏差计算进行推导。设定合理的评价标准,利用角偏差及其增量对某型座舱透明件的光学性能进行分析评价。通过对光学性能数据进行处理分析,设计目标函数,不断优化透明件的脊线外形,以提高光学性能。结果表明：修整透明件的脊线外形,能够有效提高座舱透明件的光学性能;适当放大设计域,则优化效果愈加明显。     

气热耦合条件下涡轮静叶三维优化

为解决涡轮静叶尾缘烧蚀问题并提升气动效率,采用气热耦合优化的方法对该叶片进行优化,优化分为对叶型优化以及对弯叶片优化两部分。优化结果显示,对叶型进行优化时由于叶型变化以及冷气流量增加2.68%导致叶片平均温度降低4.15%,最高温度下降61.7K,气动效率提升0.17%;对弯叶片进行优化时,顶部正弯效果明显,冷气流量增加0.11%,叶片平均温度下降2.4%,最高温度下降10.6K,气动效率提升0.16%。通过分析,对于该径高比较小的叶片,无论是叶型变化还是弯叶片变化,低能流体由端区进入主流导致的端区损失降低和激波损失的降低是导致气动效率提升的主要原因;冷气流量加大以及端区二次流减弱是造成叶片温度场降低的主要原因。     

航空发动机转子装配优化技术

转子装配优化技术是通过优化转子各部件之间的安装角度,达到控制转子不同心度和初始不平衡量的目的。详细阐述了基于转子部件跳动测量,计算转子旋转轴线与部件惯性轴之间的偏差,进而计算转子不同心度和不平衡量的估算方法;提出了针对转子不同心度和不平衡量双目标优化原则,并采用蒙特卡洛仿真法对随机装配过程、单目标装配优化过程和双目标装配优化过程进行仿真,通过验证表明,转子装配优化技术达到了改善转子装配质量的目的。     

基于人工蜂群算法与NURBS的吸附式叶型优化设计

为提高轴流压气机吸附式叶型优化设计的质量,设计了一套基于人工蜂群(ABC)算法和非均匀有理B样条(NURBS)的自动优化设计系统.对人工蜂群算法的运行机制进行了深入分析,并与目前广泛使用的遗传算法(GA)进行了对比.对比发现人工蜂群算法可以更好地逼近全局最优值且收敛效率提高50%.使用NURBS对叶型进行参数化,并研究了参数化过程中的畸变问题.将抽吸参数与叶栅参数同时作为优化变量,使用该系统对一吸附式叶栅进行了优化.结果显示:抽吸槽设置在58.44%轴向弦长位置处流动损失下降明显,与优化前未抽吸叶型相比流动损失降低64.8%,气流分离得到有效抑制.     

基于FA-NSGA分扭传动系统的均载和轻量化优化设计

以提高均载性能和轻量化为目标对某分扭传动系统进行了多目标优化设计.建立了分扭传动的非线性动力学模型,通过计算不同输入功率和输入转速下的均载系数,衡量分扭传动系统均载性能.以分扭传动系统参数为设计变量,考虑多工况条件,建立了以均载系数和质量最小为目标函数的多目标优化模型.为了提高计算效率,提出了具有适应值预测机制的非支配排序遗传算法（FA-NSGA）.利用3个基准函数对FA-NSGA进行收敛性和有效性的测试.结果表明:FA-NSGA对于3个测试函数均能获得满意的最优解,并且都能减少60%以上的真实适应值计算次数.采用FA-NSGA对实例进行优化求解,在得到的Pareto最优解中选取了一组满意的设计参数,该设计结果与参照方案相比均载系数降低了0.05,分扭传动系统质量减少了3.57kg.